CN101907574B - 一种鉴别纤维类别的方法和显色试剂及其鉴别系统 - Google Patents

Abstract

本发明公开了一种鉴别纤维类别的方法，该方法是在计算机内存储有各类纤维的纤维染色所呈现的颜色参数数据库，采用显色试剂对纤维样品进行染色，使纤维样品显色，在载物工作台上设置制冷装置，用于纤维样片的制冷以及温控。在低温下通过光学显微系统放大纤维图像，图像传感器将纤维图像转换成数字图像，传输至计算机；计算机对所得的显存图像进行处理，选取该数字图像中一根纤维或者一个像素点进行颜色测算，获得其颜色参数；所得的纤维样品的颜色参数与纤维标准颜色参数数据库一一进行比对，获得匹配结果，采用统计学规则综合判断，得出纤维类别的鉴别结论，实现了计算机对纺织品中纤维的类别进行全自动鉴别，不再依赖人工观察进行识别。本发明还公开了本发明方法使用的显色试剂及其鉴别系统。

Description

一种鉴别纤维类别的方法和显色试剂及其鉴别系统

技术领域

本发明涉及一种鉴别纤维类别的方法，还涉及实现该鉴别纤维类别的方法的专用显色试剂和鉴别系统。

背景技术

随着人类的环保意识的增强，在纺织业中环保纤维——纤维素纤维的使用已经成为主流，所述的纤维素纤维分为天然纤维和再生纤维，包括棉、麻类、天丝、莫代尔、竹纤维等等。而在纺织品的质量管理当中，往往需要检测混纺产品中纤维种类及直径等来衡量产品中不同纤维的具体含量。以往都是采用显微投影仪法结合人工判断进行测定，即由操作人员借助显微投影仪判断纤维的种类和统计各混纺纤维的根数，测定纤维的直径，计算纤维的体积，根据已知的纤维比重计算纤维的重量，从而计算该纤维在混纺产品中的具体含量。但是其存在测量速度慢、工作效率低、测量精度低的缺点。

近年来，随着技术的发展，尤其是计算机图像处理技术的发展，普遍采用光学显微成像结合计算机图像分析方法进行纺织品的检验，所述光学显微成像装置的载物工作台的x、y轴方向进给以及z轴上的调焦采用以计算机为控制单元、图像传感器为反馈装置的闭环控制方法，各类纤维的物理参数数据库，包括各类纤维的直径及比重等，通常的计算机图像分析方法包括以下步骤：

(1)制作纤维样品切片，通过光学显微系统放大该纤维样品的纤维图像；

(2)采用图像传感器将步骤(1)中所得的纤维图像转换成数字图像，传输至计算机；

(3)计算机读取步骤(2)中所得的数字图像，并进行图像处理，选取该数字图像中一根纤维或者一个像素点进行测量计算，得到所选纤维的直径；

测量计算包括纤维边缘提取，所述纤维边缘提取采用二值化-边缘跟踪的算法，所述的纤维微段识别采用纤维边缘微段分离条件判断的方法，所述纤维细度计算中采用亚像素定位法确定边缘点位置、从而实现纤维细度的计算，得到所选纤维点的直径；

(4)重复步骤(3)，对纤维样品的数字图像其余部分进行逐根纤维的自动测定，获得不同纤维的直径参数；

(5)由人工根据放大的纤维图像来观察纤维外观形态的物理特征来识别纤维种类，同时人工统计各组分的纤维根数；

(6)将步骤(5)中的人工所得信息输入计算机中，计算机结合纤维的比重，可计算出不同组分纤维的含量(重量)。

上述现有技术中的检测方法的不足之处是：

(1)无法实现对纤维类别的全自动识别。因为它只能对于直径特征非常明显的纤维具有类别识别的可行性：例如当纤维直径＜8μm时，可判断为棉；当纤维直径＞40μm时，可判断为麻。对于直径特征不明显的纤维，就无法自动识别纤维类别，必须结合人工观察纤维外观形态的物理特征来识别种类，而绝大部分的纤维没有明显的直径特征，因此，在对纺织品的实际检测中，利用测算纤维直径识别纤维类别并没有实际应用的意义。

(2)由于现有技术的测定结果必须加入人工鉴别的环节，因此受到较大的人为因素干扰，存在主观性，而且对检验人员的经验要求非常高；

(3)由于需要经验丰富的操作人员对每一根纤维进行观察判别，完成检测的时间较长，工作效率低。

发明内容

本发明的目的之一是提供一种鉴别纤维类别的方法，实现计算机对纺织品中纤维的类别进行全自动鉴别，不再依赖人工观察进行识别。

本发明的目的之二是提供一种上述方法用于鉴别纤维类别的显色试剂。

本发明的目的之三是提供一种实施上述方法的系统。

本发明的第一个目的是通过以下技术措施来实现的：一种鉴别纤维类别的方法，该方法采用光学显微成像结合计算机图像分析，光学显微成像装置的载物工作台上，样片的x、y轴方向进给以及z轴上的调焦采用以计算机为控制单元、图像传感器为反馈装置的闭环控制，且计算机内存储有各类纤维比重和已知纤维直径的数据库，其鉴别检测的操作包括以下基本步骤：

(1)制作纤维样品；

(2)采集纤维图像：将纤维样品放在光学显微成像装置的载物工作台上，通过光学显微系统放大纤维图像；采用图像传感器将纤维图像转换成数字图像，传输至计算机；

其特征是，在计算机内还存储有各类纤维的纤维染色所呈现的颜色参数数据库，所述的步骤(1)的具体操作是：将纤维制成纤维末，置于载玻片上，滴加显色试剂对纤维样品进行染色，使纤维样品显色，制得纤维样片，低温保存，备用；

所述步骤(2)中，在载物工作台上设置制冷装置，用于纤维样片的制冷以及温控；

(3)通过计算机对步骤(2)所得的显存图像进行处理，选取该数字图像中一根纤维或者一个像素点进行颜色测算，获得其颜色参数；

(4)重复步骤(3)，对显存的数字图像其余部分进行逐根纤维或者逐个像素点的颜色参数进行测算，获得相应的颜色参数并存储；

(5)将步骤(4)测量计算所得的纤维样品的颜色参数与纤维标准颜色参数数据库一一进行比对，获得匹配结果，采用统计学规则综合判断，得出纤维类别的鉴别结论。

本发明提供的方法根据不同种类的纤维对同一种显色试剂产生不同的染色效果的原理，通过对纤维样品进行染色，根据呈现的颜色进行纤维的类别判断。然后再结合纤维的其他参数作进一步的确认，实现对纺织品纤维类别自动鉴别的目的。

本发明所述步骤(2)中所述的用于纤维样片的制冷以及温控的温度是指将纤维样片所处的环境温度控制在40℃以下，温度越低，纤维显色越稳定，颜色保持的时间越长。即本发明所述的步骤(2)的纤维图像采集时，可以将纤维样片的环境温度控制在-60℃～40℃的范围内，优选的环境温度为-20℃～20℃，最佳的温度范围是-10℃～10℃，以保证有充裕的时间完成纤维样品测定。

本发明可以做以下改进：本发明所述的步骤(1)中若检测的纤维样品为有色纤维，应先进行褪色处理，再采用显示剂进行染色及显色。

本发明还可以做以下改进：上述步骤(3)中，在测算纤维的颜色参数的基础上，再利用计算机测算出纤维的直径参数；在步骤(4)中对显存的数字图像其余部分进行逐根纤维的颜色参数和直径参数进行测算，获得相应的颜色参数并存储；在步骤(5)中将所得的颜色参数和直径参数与纤维标准颜色参数和直径参数数据库一一进行比对，获得匹配结果，在此基础上由计算机测算出纤维根数，并由计算机根据不同纤维的比重计算出混纺纺织品中各类纤维的重量。

本发明所述的步骤(1)中的显色试剂分为溶液A和溶液B，在纤维粉末中先后滴加溶液A和溶液B，进行显色。所述的溶液A是6.25×10^-3～1.44g/ml的卤化物或者多卤化物与2.5×10^-3ml/ml甘油混合的水溶液；所述的溶液A浓度越高，纤维显色越深；浓度越低，纤维显色越浅。当溶液A的浓度在典型浓度时，对未经过任何处理的原料可得到非常好的显色效果。而有色纤维则应进行褪色处理后，视着色难易程度，调高溶液A浓度，以达到检测需要的显色效果。

所述的溶液B是0.208～1g/ml的卤化物或多卤化物的水溶液。

所述的卤化物或多卤化物为EX_n，其中E为钾、锂、钠、镁、铍、铝或锌，X为氟、氯、溴或碘；n至少为1。

所述的卤化物优选为氯化锌、氯化锂、溴化钠和碘化钾中的一种。多卤化物优选为多氯化锌、多氯化锂、多溴化钠和多碘化钾中的一种。

本发明所述的溶液A的用量根据纤维末的量进行调整，通常以溶液A完全覆盖纤维粉末为宜。所述溶液B的用量为1～2滴即可。

本发明所述的步骤(1)中纤维末的长度为0.2～2毫米。

所述步骤(3)中由计算机对整幅采集图像进行二值化和CANNY算法提取纤维边缘，再用膨胀腐蚀算法处理获得的纤维边缘，并确定每根纤维中轴线的中点，以该中点为中心画矩形框，然后由计算机计算纤维直径参数以及矩形框内的纤维各像素点的颜色参数。

本发明可作进一步的改进：所述的直径参数采用面积法测量，即：先确定每根被测纤维中轴线的中点；以中点为中心，画矩形框后，通过矩形框与纤维边缘相交四点分别作Y轴或X1轴的平行线，得到两个近似平行四边形，选择面积较大的近似平行四边形，设该近似平行四边形相互严格平行的相对两边之间的距离为a₁，求临界值 $X=\mathrm{Lm}\left|\frac{b}{1+b^2}\right|,$ b为包含在该近似平行四边形中的纤维中轴线与X1轴夹角α的正切，L_m为该近似平行四边形相互严格平行的相对两边之间的范围内用与这两边平行的平行线切割纤维的长度的最大值；当a₁＞X时，测试直径取该近似平行四边形的面积除以包含在该近似平行四边形中的纤维中轴线的长度；当a₁＜X时，纤维测试直径为：

其中La为该近似平行四边形与相互严格平行的两边平行的平行线切割纤维的长度L的平均值。

所述的矩形框框住的纤维面积与矩形框面积1/4的比例优选为1～3.5。

本发明所述的纤维的颜色参数可以包括：纤维上各象素点颜色的红色分量R的平均值、绿色分量G的平均值、蓝色分量B的平均值、色度值H的平均值、饱和度值S的平均值、亮度值V平均值。

为了使所采集的纤维颜色判断更为准确，本发明还可以进一步增加纤维上各象素的离散值的计算，包括纤维上各象素的红色分量均方差SIGR、纤维上各象素的绿色分量均方差SIGG、纤维上各象素的蓝色分量均方差SIGB、纤维上各象素的色度分量均方差SIGH、纤维上各象素的饱和度分量均方差SIGS、纤维上各象素的亮度分量均方差SIGV、颜色特征值I3【(2R-G-B)/2+100】等特征参数，并根据这些参数综合鉴别纤维类别。

本发明的第二个目的是通过以下技术措施来实现的：一种用于上述鉴别纤维类别方法使用的显色试剂，其分为溶液A和溶液B，所述的溶液A为6.25×10^-3～1.44g/ml的卤化物或多卤化物与2.5×10^-3ml/ml甘油混合的水溶液；所述的溶液B是0.208～1g/ml卤化物或多卤化物的水溶液。

所述的卤化物或多卤化物为EX_n，其中E为钾、锂、钠、镁、铍、铝或锌，X为氟、氯、溴或碘；n至少为1。

所述的卤化物优选为氯化锌、氯化锂、溴化钠和碘化钾中的一种。多卤化物优选为多氯化锌、多氯化锂、多溴化钠和多碘化钾中的至少一种。

本发明采用上述显色试剂后，不同的纤维在显微镜下观察呈现不同的颜色，如：

蓝色——棉花、稻草纤维、碱纸浆

深蓝色——波萝纤维

蓝绿色——亚麻纤维

绿色——剑麻、马尼拉麻、龙舌兰纤维

黄色——龙舌兰纤维、马尼拉麻纤维、木纤维、大麻纤维

柠檬黄色——吉贝纤维

黄褐色——黄麻纤维

棕褐色——苎麻纤维

黑蓝色——天丝、莫代尔、竹纤维。

所述的溶液A中的卤化物或多卤化物的较佳浓度为0.0125～1.44g/ml；所述的溶液B的卤化物或多卤化物的较佳浓度为0.416～1g/ml。

本发明的第三个目的是通过以下技术措施来实现的：一种实现上述方法的鉴别系统，其主要由计算机及分别与计算机连接的光学显微成像装置、图像传感器构成，其中所述的光学显微成像装置包括显微镜和载物工作台，所述载物工作台中部具有透光孔，其特征是，其还包括一个设置在载物工作台上的制冷装置，用于为纤维样片提供40℃以下的环境，以保持染色后的纤维显色稳定，在测试过程中不褪色。

所述的制冷装置包括至少一个与纤维样片的上表面或下表面接触的制冷片，所述的制冷片与透光孔对应的位置开设有用于透光的方孔；所述的制冷片热端设有散热器；所述的制冷片与电源连接。

所述的制冷装置包括至少一个与纤维样片的上表面接触的上制冷片和至少一个与纤维样片的下表面接触的下制冷片，所述的上制冷片和下制冷片分别在与透光孔对应的位置设有用于透光的方孔；所述的制冷片热端设有散热器；所述的制冷片与电源连接。

所述的上制冷片和下制冷片均包括至少一片中间具有方孔的金属片，所述的金属片的内侧面与纤维样片的上表面或下表面接触，其外侧面两端分别设有至少一个珀尔贴片，所述珀尔贴片与电源连接，通过控制珀尔贴片的电流来对纤维样片进行制冷和温控。金属片则改善制冷装置的温度传导。

为增强散热效果，本发明可作以下改进：所述的载物工作台内设有一空腔，在载物工作台一侧开设与空腔连通的进水口和出水口，在进行测试时通过进水口向载物工作台的空腔内加入水或其他液体，可对下制冷片进行降温，保持制冷片的制冷作用。

所述的金属片为紫铜片。

所述的显微装置的载物工作台设有玻片夹具，所述的玻片夹具通过蜗轮蜗杆与X向运动支持座连接，所述的蜗杆一端通过传动机构与X向电机输出轴上的主动轮连接，获得动力。X向运动支持座上沿Y向设有齿条，其与固定在Y向运动支持座上的齿轮啮合，该齿轮通过传动机构和Y向电机输出轴上的主动轮连接，从而带动Y向运动支持座上的齿轮转动，进而带动相连的齿条沿Y向运动进行玻片夹具位置的调节；所述的Y向运动支持座固定在显微镜载物台上，Y向电机固定在Y向运动支持座上，X向电机固定在X向运动支持座上。调焦电机固定在显微镜的立柱的安装架上，传动轮固定在调焦电机的输出轴上的，通过传动带与带有凹槽的微调旋钮连接，从而带动微调旋钮进行微调。

所述的图像传感器采用150万以上像素的高精数字摄像头或标准信号的高级摄像头。

本发明与现有技术相比具有以下优点：

(1)实现对纤维类别的全自动识别：本发明根据不同种类的纤维对同一种显色试剂产生不同的染色效果的原理，采用显色试剂对待测纤维样品进行染色处理，计算机软件根据纤维呈现的颜色进行判断纤维类别，然后再结合纤维的其他参数做进一步确认，实现对纺织品纤维类别自动鉴别的目的。

(2)检测精度高：由于本发明方法完全是使用计算机对采集的纤维图像进行自动识别，无需人工鉴别，避免了人为因素干扰，提高了检测结果的精度。经验证本发明方法对纤维类别的自动识别正确率达到国内外相关标准所要求的精度。

(3)工作效率高：由于本发明无需经验丰富的操作人员对每一根纤维进行观察判别，鉴别检测全程由计算机进行自动操作，完成检测的时间短，工作效率高。

(4)本发明在鉴别系统设置一制冷装置，工作时对纤维样片进行制冷和温控，使之处于40℃以下的环境内，保证染色后的纤维的颜色稳定持久，为完成纤维样品测定提供了充裕的时间，且可以得到最佳的鉴别效果。

附图说明

图1是本发明纤维鉴别系统结构原理图；

图2是本发明纤维鉴别系统的专用制冷装置结构示意图；

图3是本发明载物工作台上玻片夹具的结构示意图；

图4是本发明载物工作台Z方向驱动结构示意图；

图5是本发明载物工作台俯视图；

图6是本发明面积法计算临界值X的示意图；

图7是本发明面积法计算纤维直径的示意图。

具体实施方式

下面结合附图对本发明的技术方案进行阐述：

鉴别系统：

如图1～5所示的是本发明采用的鉴别系统，其由计算机及分别与计算机连接的光学显微成像装置、图像传感器构成。其中，光学显微成像装置由显微镜和载物工作台13组成，在载物工作台13中部具有透光孔，并在载物工作台13上设置制冷装置，用于为纤维样片提供40℃以下的环境温度，以保持染色后的纤维显色稳定，在正常采集图像数据的操作中不褪色。图像传感器采用150万以上像素的高精数字摄像头或标准信号的高级摄像头。

其中，如图3所示，载物工作台13上设置有玻片夹具2。玻片夹具2通过安装在背面的蜗轮与X向运动支持座5上的X向配置的蜗杆啮合，蜗杆一端的被动轮10通过传动带11与X向电机9输出轴上的主动轮12连接，获得动力。X向运动支持座5上沿Y向设有齿条，其与固定在Y向运动支持座7上的齿轮啮合，与齿轮同轴的被动轮10′通过传动带11′和Y向电机8输出轴上的主动轮12′连接，从而带动Y向运动支持座7上的齿轮转动，进而带动齿条。计算机通过电机控制器对Y向电机8和X向电机9进行控制，对玻片夹具2的位置进行调整。Y向运动支持座7固定在载物工作台13上。Y向电机8固定在Y向运动支持座7上，X向电机9固定在X向运动支持座5上。图4中所示，调焦电机3固定在显微镜的立柱6的安装架61上，传动轮4固定在调焦电机3的输出轴上的，通过传动带与带有凹槽的微调旋钮1连接，从而带动微调旋钮1进行微调。

如图2所示，制冷装置由两个散热器14、上制冷片和下制冷片构成。上制冷片包括一片中间与载物工作台透光孔20相应的位置上具方孔的紫铜片15，在紫铜片15的上端面的两端分别设有一个珀尔贴片16；下制冷片同样包括一片中间与载物工作台透光孔20相应的位置上具方孔的紫铜片15′，在紫铜片15′的下端面的两端分别设有一个珀尔贴片21，两个散热器14分别设在上制冷片上的两个珀尔贴片16上；珀尔贴片16、珀尔贴片21和散热器14分别与电源连接，通过控制珀尔贴片的电流可对纤维样片22进行制冷和温控。如图5所示，在载物工作台13内设置一个空腔19，该空腔的进水口17和出水口18开设在载物工作台13一侧。

鉴别纤维类别的方法：

显色试剂采用下表所列的溶液A和溶液B，在测试过程中纤维样片处于的环境温度如表1所列。

表1

序号	显色试剂溶液A	显色试剂溶液B	纤维样片所处的环境温度(℃)
				1	碘化钾2.5克；甘油0.25ml；蒸馏水200ml；碘1克	1g/ml氯化锂水溶液	-20
2	碘化钾5克；甘油0.5ml；蒸馏水200ml；碘2克	1g/ml氯化锂水溶液	2
				3	碘化钾288克；甘油0.5ml；蒸馏水200ml；碘288克	1g/ml氯化锂水溶液	40
4	碘化钾1.25克；甘油0.5ml；蒸馏水200ml；碘1.25克	0.208g/ml氯化锂水溶液	-20

(1)制作纤维样品：

将纤维样品制成长度0.2～2毫米的纤维末，置于载玻片中段上，滴加2～3滴显色试剂溶液A，搅拌混合，10～15秒后用吸水纸吸至溶液A完全覆盖纤维末，然后滴加1滴溶液B，盖上盖玻片，在低温备用。

(2)采集纤维图像：

将纤维样片22放置在制冷装置的两个紫铜片15之间，然后放在载物台13上，样片中段对准透光孔20，再用玻片夹具2夹紧制冷装置，通过进水口17和出水口18通入流动的水，可对下制冷片的珀尔贴片21进行散热，通过散热器14可对上制冷片的珀尔贴片16进行散热，保持珀尔贴片的制冷作用，以及控制通过珀尔贴片的电流进行温控。调整照明系统为载物工作台13上的纤维样片22提供均匀照明，然后启动计算机中的鉴别测量软件，控制制冷装置工作对纤维样片22进行制冷及温控。计算机通过串口通知电机控制器根据预设的运动方式启动玻片夹具2的Y向电机8和X向电机9工作，带动纤维样片22沿Y、X向移动到测试的位置；控制调焦电机3工作，带动微调旋钮1完成调焦工作；纤维样片22的经过显微放大系统放大的纤维图像成像于图像传感器的图像传感器靶面上，并把经过把放大的纤维图像转化为数字图像，传输至计算机读取数字图像。

(3)图像处理及鉴别测量：通过计算机对步骤(2)所得的显存图像进行处理，统计图像中纤维的根数，选取该数字图像中一根纤维或者一个像素点进行颜色和直径测算，获得纤维颜色参数和直径参数；

1)纤维类别的识别：计算机分别计算并记录纤维上各象素点颜色的红色分量R平均值、绿色分量G平均值、蓝色分量B平均值、色度值H平均值、饱和度值S平均值、亮度值V平均值、纤维上各象素的红色分量均方差SIGR、纤维上各象素的绿色分量均方差SIGG、纤维上各象素的蓝色分量均方差SIGB、纤维上各象素的色度分量均方差SIGH、纤维上各象素的饱和度分量均方差SIGS、纤维上各象素的亮度分量均方差SIGV、纤维直径和颜色特征值I3【(2R-G-B)/2+100】等特征参数。

2)纤维直径的测量：根据以下面积法获得纤维的直径参数。

对整幅采集得到的图像进行二值化和CANNY算法提取纤维边缘，再用膨胀腐蚀算法处理获得的纤维边缘，并在确定每根纤维中轴线的中点，以该中点为中心画矩形框(参见图6和图7)，被矩形框框住的纤维面积与矩形框面积1/4的比例为1。画矩形框后，通过矩形框与纤维边缘相交四点分别作Y轴和X1轴的平行线，得到两个近似平行四边形ab₂cd和efgh，选择面积较大的近似平行四边形ab₂cd，设该近似平行四边形相互严格平行的相对两边之间的距离为a₁，求临界值 $X=\mathrm{Lm}\left|\frac{b}{1+b^2}\right|,$ b为包含在该近似平行四边形中的纤维中轴线与X1轴夹角α的正切，L_m为该近似平行四边形相互严格平行的相对两边ab₂和cd之间的范围内用与这两边平行的平行线切割纤维的长度的最大值；当a₁＞X时，测试直径取该近似平行四边形的面积除以包含在该近似平行四边形中的纤维中轴线的长度；当a₁＜X时，纤维测试直径为：

La为该近似平行四边形相互严格平行的相对两边ab₂和cd之间的范围内用与这两边平行的平行线切割纤维的长度的平均值。

在本步骤中，根据纤维样片中纤维分离情况，测试人员可选择自动测试模式、半自动测试模式和逐根测试模式。所谓逐根纤维测试是指测试人员用鼠标在被测纤维上画矩形框进行逐根纤维测试，用于自动或半自动测试后对遗漏纤维的补测，或对各类纤维逐根测试之用。所谓半自动测试，用于整屏纤维相交多的情况，将相交的多根纤维分割成单根纤维后对整幅图像中纤维进行自动测试。所谓全自动测试，用于整屏纤维不存在重叠交叉时，计算机直接按设定的程序自动完成整屏纤维测试。

(4)重复步骤(2)和步骤(3)，对显存的数字图像其余部分进行逐屏、逐根纤维或者逐个像素点的颜色参数和直径参数进行测算，获得相应的颜色参数和直径参数并存储；为满足仪器对图像采集和处理实时进行，无需将纤维图像冻结和解冻，鉴别测量软件采用图像采集和图像处理并行工作的方案，当处理图像时进行下一幅图像的采集。

(5)将步骤(4)测量计算所得的纤维样品的颜色参数、直径参数，与计算机内的存储有各类纤维的纤维染色所呈现的颜色参数数据库、已知纤维直径数据库一一进行比对，获得匹配结果，以最小距离法判别所检测纤维的类别：

例如采用了马氏距离的判断函数方法进行纤维种类的自动识别，即：设有k个总体G₁，…，G_k，它们的均值和协差阵分别为μ⁽ⁱ⁾，∑⁽ⁱ⁾，i＝1，…，k，从每个总体G_i中抽取n_i个样品，i＝1，…，k，每个样品测p＝14个指标。

G₁总体：            …        G_k总体：

记 ${\stackrel{\‾}{X}}^{\left(i\right)}={({\stackrel{\‾}{x}}_1^{\left(i\right)},{\stackrel{\‾}{x}}_2^{\left(i\right)}...,{\stackrel{\‾}{x}}_p^{\left(i\right)})}^{\′},i=1,...,k$

(1)当∑⁽¹⁾＝…＝∑^(k)＝∑时

此时D²(X，G_i)＝(X-μ⁽ⁱ⁾)’∑^-1(X-μ⁽ⁱ⁾)i＝1，…，k，判别函数为：

$W_{\mathrm{ij}}\left(X\right)=\frac{1}{2}[D^2(X,G_j)-D^2(X,G_i)]$

$={[X-\frac{1}{2}({\mathrm{\μ}}^{\left(i\right)}+{\mathrm{\μ}}^{\left(j\right)})]}^{\′}{\mathrm{\Σ}}^{-1}({\mathrm{\μ}}^{\left(i\right)}+{\mathrm{\μ}}^{\left(j\right)}),i,j=1,...,k$

相应的判别准则为：

当μ⁽¹⁾，…，μ^(k)，∑未知时可用其估计量代替，设从G_i中抽取的样本为

i＝1，...，k，则

的估计分别为：

${\widehat{\mathrm{\μ}}}^{\left(1\right)}={\stackrel{\‾}{X}}^{\left(i\right)}=\frac{1}{n_i}\underset{a=1}{\overset{n_i}{\mathrm{\Σ}}}{X}_a^{\left(i\right)},i=1,...,k$

$\widehat{\mathrm{\Σ}}=\frac{1}{n-k}\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{S}_i$

其中n＝n₁+…+n_i， $S_i=\underset{a=1}{\overset{n_i}{\mathrm{\Σ}}}(X_a^{\left(i\right)}-{\stackrel{\‾}{X}}^{\left(i\right)}){(X_a^{\left(i\right)}-{\stackrel{\‾}{X}}^{\left(i\right)})}^{\′}$ 为G_i的样本离差阵。

(2)当∑⁽¹⁾，…，∑^(k)不相等时判别函数为：

W_ij(X)＝(X-μ^(j))′[V^(j)]^-1(X-μ^(j))

-(X-μ⁽ⁱ⁾)′[V⁽ⁱ⁾]^-1(X-μ⁽ⁱ⁾)

相应的判别准则为：

当μ⁽¹⁾，∑⁽ⁱ⁾(i＝1，…，k)未知时，可用μ⁽ⁱ⁾，∑⁽ⁱ⁾的估计量代替，即

${\widehat{\mathrm{\μ}}}^{\left(i\right)}=\stackrel{\‾}{X^{\left(i\right)}}$

${\widehat{\mathrm{\Σ}}}^{\left(i\right)}=\frac{1}{n_i-1}{S}_i,i=1,...,k$

使用上述方法测定纤维样品，结果见表2：

表2

序号	纤维	相对直径	颜色	r	g	b	x	sigx	I3
										1	亚麻	45.71	蓝绿色	61.30	59.09	68.58	0.6483	0.1850	97.465
2	大麻	46.60	黄色	70.26	68.86	77.74	0.6847	0.0571	96.96
										3	棉纤维	44.75	深蓝色	64.52	60.80	75.98	0.7030	0.0480	96.13
4	羊毛纤维	33.94	浅黄色	126.27	129.98	99.24	0.1841	0.0313	111.66
										5	牛奶纤维	26.21	浅黄色	124.71	122.42	106.40	0.1472	0.0449	110.3
6	大豆纤维	25.76	褐色	89.59	71.33	62.71	0.1105	0.2232	122.57
										7	玉米纤维	33.91	淡黄色	140.06	138.80	136.29	0.3175	0.3135	102.515
8	粘胶纤维	36.61	黑色	61.33	60.10	68.12	0.6683	0.1468	96.72
										9	竹纤维	36.68	蓝色	67.79	60.29	74.84	0.7452	0.0797	100.225

本发明还结合各类纤维比重数据库，进行计算混纺纺织产品中各类纤维的具体含量。

本发明可用其他的不违背本发明的精神或主要特征的具体形式来概述。无论从哪一点来看，本发明的上述实施方案都只能认为是对本发明的说明而不是限制，因此在与本发明的权利要求书相当的含义和范围内的任何改变，都应认为是包括在权利要求书的范围内。

Claims (10)

1.一种鉴别纤维类别的方法，该方法采用光学显微成像结合计算机图像分析，光学显微成像装置的载物工作台上，样片的x、y轴方向进给以及z轴上的调焦采用以计算机为控制单元、图像传感器为反馈装置的闭环控制，且计算机内存储有各类纤维比重和已知纤维直径的数据库，其鉴别检测的操作包括以下基本步骤：

(1)制作纤维样品；

(2)采集纤维图像：将纤维样品放在光学显微成像装置的载物工作台上，通过光学显微系统放大纤维图像；采用图像传感器将纤维图像转换成数字图像，传输至计算机；

其特征是，在计算机内还存储有各类纤维的纤维染色所呈现的颜色参数数据库，所述的步骤(1)的具体操作是：将纤维制成纤维末，置于载玻片上，滴加显色试剂对纤维样品进行染色，使纤维样品显色，制得纤维样片，低温保存，备用；

所述步骤(2)中，在载物工作台上设置制冷装置，用于纤维样片的制冷以及温控；

(3)通过计算机对步骤(2)所得的显存图像进行处理，选取该数字图像中一根纤维或者一个像素点进行颜色测算，获得其颜色参数；

(4)重复步骤(3)，对显存的数字图像其余部分进行逐根纤维或者逐个像素点的颜色参数进行测算，获得相应的颜色参数并存储；

(5)将步骤(4)测量计算所得的纤维样品的颜色参数与纤维标准颜色参数数据库一一进行比对，获得匹配结果，采用统计学规则综合判断，得出纤维类别的鉴别结论。

2.根据权利要求1所述的鉴别纤维类别的方法，其特征是，所述步骤(2)中所述的用于纤维样片的制冷以及温控的温度是指将纤维样片所处的环境温度控制在40℃以下。

3.根据权利要求1或2所述的鉴别纤维类别的方法，其特征是，步骤(3)中，在测算纤维的颜色参数的基础上，再利用计算机测算出纤维的直径参数；在步骤(4)中对显存的数字图像其余部分进行逐根纤维的颜色参数和直径参数进行测算，获得相应的颜色参数并存储；在步骤(5)中将所得的颜色参数和直径参数与纤维标准颜色参数和直径参数数据库一一进行比对，获得匹配结果，在此基础上由计算机测算出纤维根数，并由计算机根据不同纤维的比重计算出混纺纺织品中各类纤维的重量。

4.根据权利要求3所述的鉴别纤维类别的方法，其特征是，所述步骤(3)中由计算机对整幅采集图像进行二值化和CANNY算法提取纤维边缘，再用膨胀腐蚀算法处理获得的纤维边缘，并确定每根纤维中轴线的中点，以该中点为中心画矩形框，然后由计算机计算纤维直径参数以及矩形框内的纤维各像素点的颜色参数。

5.根据权利要求4所述的鉴别纤维类别的方法，其特征是，所述的直径参数采用面积法测量，即确定每根被测纤维中轴线的中点；以中点为中心，画矩形框后，通过矩形框与纤维边缘相交四点分别作Y轴或X1轴的平行线，得到两个近似平行四边形，选择面积较大的近似平行四边形，设该近似平行四边形相互严格平行的相对两边之间的距离为a₁，求临界值

b为包含在该近似平行四边形中的纤维中轴线与X1轴夹角α的正切，L_m为该近似平行四边形相互严格平行的相对两边之间的范围内用与这两边平行的平行线切割纤维的长度的最大值；当a₁＞X时，测试直径取该近似平行四边形的面积除以包含在该近似平行四边形中的纤维中轴线的长度；当a₁＜X时，纤维测试直径为：

其中La为该近似平行四边形与相互严格平行的两边平行的平行线切割纤维的长度L的平均值。

6.根据权利要求5所述的鉴别纤维类别的方法，其特征是，所述的纤维的颜色参数包括：纤维上各象素点颜色的红色分量R的平均值、绿色分量G的平均值、蓝色分量B的平均值、色度值H的平均值、饱和度值S的平均值、亮度值V平均值、红色分量R的离散值、绿色分量G的离散值、蓝色分量B的离散值、色度值H的离散值、饱和度值S的离散值、亮度值V离散值和颜色特征值I3，所述的颜色特征值I3的值是(2R-G-B)/2+100。

7.根据权利要求6所述的鉴别纤维类别的方法，其特征是，显色试剂分为溶液A和溶液B，在纤维粉末中先后滴加溶液A和溶液B，进行显色；所述的溶液A的用量应能完全覆盖纤维粉末；所述溶液B的用量为1～2滴；所述的溶液A为6.25×10^-3～1.44g/ml的卤化物或多卤化物与2.5×10^-3ml/ml甘油混合的水溶液；所述的溶液B是0.208～1g/ml卤化物或多卤化物的水溶液。

8.根据权利要求7所述的鉴别纤维类别的方法，其特征是，所述的卤化物或多卤化物为EX_n，其中E为钾、锂、钠、镁、铍、铝或锌，X为氟、氯、溴或碘；n至少为1。

9.根据权利要求8所述的鉴别纤维类别的方法，其特征是，所述的卤化物为氯化锌、氯化锂、溴化钠和碘化钾中的一种；所述的多卤化物为多氯化锌、多氯化锂、多溴化钠和多碘化钾中的一种。

10.根据权利要求9所述的鉴别纤维类别的方法，其特征是，所述的步骤(1)中若检测的纤维样品为有色纤维，应先进行褪色处理，再采用显示剂进行染色及显色。

Images